改进的KPCA在入侵检测特征提取中的研究

• 作 者: 何新 李大辉 付军
• 机 构: 齐齐哈尔大学计算机与控制工程学院
• 出 处: 齐齐哈尔大学学报(自然科学版)
• 发表日期: 2015年04期
• 关键词: KPCA 特征提取 分类 入侵检测 KPCA feature extraction classification intrusion detection
• 基金项目: 黑龙江省自然科学基金项目(F201218)

特征提取是入侵检测的关键,特征提取的本质就是变换。针对传统核主成分分析(KPCA)在入侵检测应用中对模式分类问题所提取出的特征组合的不足,提出了一种基于信息度量改进的KPCA算法。数据集使用广泛地使用的KDDCUP99安全审计数据集,用训练样本的各特征向量的类内聚集程度和类间离散程度所组成的信息度量来代替传统KPCA中的累积贡献率,选取有利于检测出异常的特征组合。实验结果表明,改进的KPCA方法在较低的维数下就具有较明显的分类效果。